En un estudio innovador publicado en el Journal of Translational Medicine, un equipo de investigadores liderado por Yu et al. presenta un enfoque pionero para comprender las enfermedades cardiovasculares mediante el uso de modelos de aprendizaje automático (machine learning). Este trabajo representa un avance significativo en la integración de la inteligencia artificial con la investigación biomédica, ofreciendo una nueva perspectiva sobre cómo los factores ambientales influyen en la salud del corazón.
La investigación destaca el papel de los disruptores endocrinos ambientales —sustancias químicas capaces de alterar el equilibrio hormonal del organismo— como elementos clave en la aparición y progresión de enfermedades cardiovasculares. Estos compuestos se encuentran de manera generalizada en la vida cotidiana, presentes en productos plásticos, pesticidas, cosméticos y materiales industriales. A pesar de su uso extendido, su impacto en la salud cardiovascular ha sido poco explorado hasta ahora.
Tradicionalmente, los métodos de predicción del riesgo cardiovascular se han centrado en factores clínicos y genéticos, dejando de lado los factores ambientales complejos y cambiantes que también contribuyen a la enfermedad. El equipo de Yu propone superar esta limitación mediante la aplicación de algoritmos avanzados de machine learning, capaces de analizar enormes volúmenes de datos y descubrir patrones ocultos entre la exposición a estos disruptores y las alteraciones en la función cardiovascular.
Los resultados del estudio no solo ofrecen capacidades predictivas más precisas, sino que también profundizan en la comprensión de los mecanismos biológicos que vinculan los disruptores endocrinos con el daño cardiovascular. Esto incluye la identificación de rutas metabólicas y hormonales afectadas, lo que podría abrir nuevas oportunidades para desarrollar estrategias terapéuticas y preventivas más eficaces.
Una de las contribuciones más relevantes de esta investigación es su enfoque interdisciplinario: combina la potencia analítica del aprendizaje automático con los fundamentos de la biología y la medicina traslacional. Este modelo podría servir de referencia para futuros estudios enfocados en otras enfermedades donde los factores ambientales desempeñan un papel determinante.
Las implicaciones en salud pública también son considerables. Dado que las enfermedades cardiovasculares siguen siendo una de las principales causas de muerte en el mundo, comprender los factores externos que las desencadenan podría conducir a políticas más efectivas de prevención y control. Además, los hallazgos podrían incentivar la creación de regulaciones más estrictas sobre el uso de disruptores endocrinos en la industria, promover prácticas de manufactura más seguras y aumentar la conciencia social sobre los riesgos que implican estos compuestos en productos de consumo común.
En conclusión, la combinación de inteligencia artificial y salud ambiental marca una nueva frontera en el estudio de las enfermedades cardiovasculares. La investigación dirigida por Yu et al. no solo amplía nuestra comprensión de los factores ambientales que influyen en la salud del corazón, sino que también sienta las bases para una medicina más predictiva, preventiva y personalizada en el futuro.
Yu, WM., Chen, YP., Cheng, AL. et al. Machine learning-driven prediction models and mechanistic insights into cardiovascular diseases: deciphering the environmental endocrine disruptors nexus.
J Transl Med 23, 1272 (2025). https://doi.org/10.1186/s12967-025-07223-6